Learn Corpus

让 AI 从积累的会话、笔记和文章中找寻相关片段，带着证据回答问题。

Learn Corpus 将分散的个人资料整理成可检索的语料库。用户可以用自然语言让 AI 导入指定资料，也可以追问过去的讨论、比较不同来源，或查找某个决定的背景。检索与来源读取由本项目提供，回答由所使用的 AI 完成。

主要用途

• 找回讨论背景。 从历史会话、笔记和保存的文章中找回相关上下文，重新理解过去的方案、决定和变化。

• 围绕问题追查证据。 AI 搜索候选、读取正文，并针对证据缺口继续查找，用于跨会话、跨资料的核对与比较。

• 核对来源和依据。 区分用户陈述、助手建议和外部资料，根据实际读到的正文回答，保留出处和语境。

• 查看检索过程。 按需查看检索范围、调用记录、已读来源与停止原因，了解回答依据和检索的局限。

目前支持 Claude Code/Codex 会话记录，Markdown 形式的 ChatGPT/DeepSeek 网页会话、笔记和外部文章。来源处理与检索由项目 skill 组织，资料范围和检索目标由用户指定。

Related MCP server: loci-mcp

工作流程

---
config:
  look: classic
  layout: dagre
  themeVariables:
    fontSize: 14px
  flowchart:
    minNodeWidth: 0
    wrappingWidth: 160
    rankSpacing: 24
    diagramPadding: 12
    padding: 6
---
flowchart LR
    A["会话、笔记、文章"] --> B["导入与<br/>标准化"]
    B --> C["可追溯<br/>来源库"]
    C --> D["离线构建<br/>索引"]
    D --> E["搜索与<br/>读取"]
    E --> F["AI 根据证据<br/>回答"]

资料经过整理后构建检索索引。AI 通过 MCP 搜索并读取相关正文，再根据证据回答；服务也提供 REST 接口。本机可使用 stdio 或 HTTP MCP，跨机可使用 HTTP MCP。本机 stdio 由客户端启动服务子进程；网络部署按实际环境配置 HTTPS 入口，Nginx 与 systemd 模板是可选示例，见配置与部署。

资料导入与索引构建可以在其他环境完成。分机部署时，检索服务从索引读取正文与上下文，部署机无需克隆整个仓库或保存原始资料、sources/ 来源文件；所需代码与运行文件见部署代码说明。

开始使用

使用时需要支持 MCP 的 AI 客户端，并加载来源导入 skill和检索 skill。

首次使用推荐按公开示例，将 SQLite FTS5 示例文章作为第一个导入对象，完成导入、索引发布、MCP 配置与检索问答。

也可先运行验证脚本，检查导入到 MCP 正文读取的流程；临时索引退出后回收，自己的工作区仍需完成导入和连接配置。连接检索服务后，向 AI 描述问题，例如：

使用 learn-corpus-retrieval 回答：<问题>。

AI 做出回答之后，可以向它索要两种详细程度的检索过程：

• 展示检索摘要： 概括检索范围、关键证据、异常或缺口、停止原因，并给出核心来源定位。

• 展示完整检索过程： 在检索摘要基础上，进一步展开调用记录和已读检索单元的明细；受响应限制省略的部分会明确说明。

使用须知

• 当前采用词法检索，效果受资料覆盖和实际用词影响；回答仍可能遗漏或误判。

• 标准化来源经过筛选和清洗，不是原始记录的无损归档，也不保证完全脱敏；资料和检索索引应妥善保护。

• 当前提供来源导入与标准化、检索索引构建、只读搜索与正文读取，以及 REST、HTTP MCP 和 stdio MCP 接口；不提供 Memory 提取、Wiki 生成或整理、向量或语义检索、服务端模型回答、人工审核 Web 界面、来源或知识写回接口及公网 OAuth。

文档与帮助

反馈问题时说明预期行为、实际结果和错误阶段，去除凭据、私人路径与来源内容。

致谢

项目开发过程中得到了众多开源帮助，特此感谢：

项目：

• QMD

• Letta Code

参考资料：

• SQLite FTS5 Extension

• Karpathy's LLM Wiki idea

社区：LINUX DO 社区

本项目采用 MIT License。演示文章的来源与授权说明单独记录，不由项目许可证重新授权。

公开提交历史由实际开发历史过滤整理，省略个人资料、开发记录和评测部分，并按保留的代码变更调整提交说明。